-
公开(公告)号：CN118319360A
公开(公告)日：2024-07-12
申请号：CN202410497537.7
申请日：2024-04-24
Applicant: 湖南大学
Abstract: 本申请涉及一种基于超声影像的脊柱生长参数并行测量方法、装置、计算机设备、存储介质和计算机程序产品，其中，方法包括：获取标准的腰骶尾段正中矢状切面图像；对标准的腰骶尾段正中矢状切面图像进行实例分割，从脊髓圆锥掩码中筛选正确的脊髓圆锥掩码、确定脊髓圆锥的尾部方向；根据脊髓圆锥的尾部方向确定脊髓圆锥尖端位置坐标以及脊髓圆锥末端点坐标，确定椎体骨化中心数目；获取最末椎体骨化中心尾侧端点坐标，根据脊髓圆锥末端点坐标以及最末椎体骨化中心尾侧端点坐标，计算脊髓圆锥末端与最末椎体骨化中心尾侧端的距离D1；基于直线方程以及骶尾部皮肤线掩码，计算脊髓圆锥末端和最末椎体骨化中心连线的延长线与尾侧皮肤线的交点的距离D2。
-
Patent Agency Ranking
公开(公告)号：CN119251139A
公开(公告)日：2025-01-03
申请号：CN202411114986.5
申请日：2024-08-14
Applicant: 湖南大学
Abstract: 本申请涉及一种中晚孕期胎儿超声小脑标准切面图像并行识别与测量方法、装置、计算机设备、存储介质和计算机程序产品，其中，方法包括：获取中晚孕期胎儿超声图像、以及小脑标准切面识别的深度学习模型，深度学习模型基于多节点并行技术加速训练得到；将中晚孕期胎儿超声图像输入至深度学习模型中，以识别小脑切面中各个结构的检测框以及对应的置信度；基于检测框以及对应的置信度对识别出的小脑切面中各个结构进行筛选，得到小脑切面中结构识别结果；根据小脑切面中结构识别结果，确定小脑中线；根据小脑中线，测量小脑横径。整个方案可以实现高效、且准确的中晚孕期胎儿超声小脑标准切面图像并行识别与测量。
-
公开(公告)号：CN119625096A
公开(公告)日：2025-03-14
申请号：CN202411654341.0
申请日：2024-11-19
Applicant: 湖南大学
Abstract: 本公开实施例中提供了一种基于文本编码优化的可控图像上色方法，属于图像处理技术领域，具体包括：对待上色灰度图像进行编码，对目标文本提示词进行编码；构建负颜色样本提示词集合并编码；利用目标损失函数优化待优化编码；将最优编码和灰度图像编码输入SDM模型得到初始上色图像；将初始上色图像和待上色灰度图像输入空间对齐模块得到修复上色图像；冻结最优编码并对SDM模型进行微调；进行语意插值得到最终文本编码；将最终文本编码和修复上色图像对应的上色图像编码输入微调后的SDM模型，得到目标上色图像；将目标上色图像和待上色灰度图像输入空间对齐模块，得到最终上色图像。通过本公开的方案，提高了上色效率、控制性和精准度。
-
公开(公告)号：CN119399096A
公开(公告)日：2025-02-07
申请号：CN202411224601.0
申请日：2024-09-03
Applicant: 湖南大学
IPC: G06T7/00 , G06V10/25 , G06V10/44 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/042 , G06N3/045 , G06N3/0464 , G06N3/096 , G06N3/0895 , G06N3/0985 , G06N3/084
Abstract: 本申请涉及一种基于超声图像的胎儿解剖结构小样本检测方法、装置、计算机设备、存储介质和计算机程序产品，其中，方法包括：获取初始深度学习模型以及胎儿的标准超声图像；进行特征提取得到特征图；基于特征图、且通过DAEFLM模块以及初始深度学习模型中第一detection head得到第一分类分数；基于特征图、且通过TKRM模块得到包含多拓扑信息的融合特征图；根据融合特征图、并通过初始深度学习模型中第二detection head得到第二分类分数和检测框；对第一分类分数和第二分类分数进行加权求和；根据目标分类分数与标准超声图像对应的分类结果、以及检测框，构建标准的Faster‑RCNN损失函数；对初始深度学习模型的模型参数进行调整；根据目标深度学习模型进行胎儿解剖结构小样本检测。
-
公开(公告)号：CN119048579A
公开(公告)日：2024-11-29
申请号：CN202410954410.3
申请日：2024-07-17
Applicant: 湖南大学
Abstract: 本申请涉及一种甲状腺超声图像最大横纵切面并行识别方法、装置和设备，获取待处理的原始超声图像，根据已训练的深度学习模型，对原始超声图像采用GPU并行计算的方式进行处理，得到初步甲状腺切面检测结果。根据初步甲状腺切面检测结果进行后处理，筛选出视频流中的甲状腺最大结构面积；根据筛选的甲状腺最大结构面积，获取甲状腺最大横纵切面并输出。利用GPU的强大并行处理能力，来根据深度学习模型对原始超声图像进行并行处理，不仅加速了最大切面的识别与筛选流程，还增强了超声扫描的精确度与效率，提高了识别效率和准确性。
-
公开(公告)号：CN118505603A
公开(公告)日：2024-08-16
申请号：CN202410427634.9
申请日：2024-04-10
Applicant: 湖南大学
Abstract: 本申请涉及一种脐血流超声图像测量与并行处理方法和装置。所述方法包括：采用数据并行和卷积加速的方式，加速获取标准切面，通过利用数字图像处理技术识别脐血流标准切面的脐血流感兴趣区域、X轴区域，以及脐血流频谱包络线，从而可以计算脐血流频谱的波峰波谷点，并从中定位连续稳定的脐血流频谱。进一步地识别标尺点，可快速定位速度标尺和时间标尺，从而高效地计算Y轴速度标尺的换算比和X轴方向时间标尺的换算比。在此基础上，利用计算的连续稳定的脐血流频谱、Y轴方向速度标尺的换算比以及X轴方向的时间标尺的换算比，可自动准确地测量脐血流频谱相关系数。该过程无需人工干预，极大地提高了脐血流频谱相关系数的计算效率。
-
-
-
-
-
Search Results
6
records
(took 0.038 seconds)
